О компании:

SHAI.PRO — казахстанская AI-компания, создающая интеллектуальных агентов и GenAI-платформы для крупных организаций.

Наша цель — стать ключевым AI-игроком в регионе и экспортировать AI-продукты за пределы Казахстана.

О роли:

Нужен системный архитектор, который будет отвечать за проектирование технической платформы, взаимодействие между сервисами и стандарты разработки.

Формат: offline

Город: Астана

Задачи:

• Проекты, доведённые до продакшена под реальной нагрузкой
• Эволюция архитектуры: разделение монолита, миграция БД без даунтайма, смена облака или оркестратора
• Влияние на стандарты команды: ревью, ADR/RFC, менторство
• Принятие trade-off решений на основе метрик
• Проектирование архитектуры новых AI-продуктов, развитие существующих, решение технических вопросов между командами, поддержание производительности и наблюдаемости платформы.

Требования:

• Опыт от 5+ лет в разработке ПО

• Не менее 4 лет как разработчик на продуктовых проектах с реальной нагрузкой: асинхронный код, проектирование схем БД, поддержка сервисов в продакшене, отладка проблем с производительностью, утечки памяти, race conditions, дедлоки.

• Не менее 2 лет как системный/solution-архитектор или техлид с ответственностью за архитектуру продукта: проектирование систем с нуля, выбор стека, защита технических решений.

Технические компетенции

Проектирование систем:

• Микросервисная и событийно-ориентированная архитектура (Saga, CQRS, Outbox). API-дизайн: REST, gRPC, GraphQL — версионирование, обратная совместимость, идемпотентность.

• Брокеры сообщений: Kafka, RabbitMQ, NATS.
  Базы данных: PostgreSQL, Redis, MongoDB, ClickHouse — индексы, шардирование, репликация.

• Кэширование и инвалидация.

• Распределённые системы:

• CAP, eventual consistency, идемпотентность.

• Распределённые транзакции, компенсирующие операции.

• Отказоустойчивость: circuit breaker, retry с backoff, bulkhead, graceful degradation. Профилирование и нагрузочное тестирование.

Инфраструктура:

• Docker, Docker Swarm/Kubernetes. CI/CD: blue-green и canary-деплой. Observability: логирование, метрики (Prometheus), трейсинг (OpenTelemetry, Jaeger). Безопасность: OAuth2, JWT, mTLS, OWASP Top 10.

ML-инфраструктура:

• Serving моделей (Triton, TorchServe, vLLM), батчинг, GPU-планирование. Версионирование моделей, A/B-тесты, мониторинг drift. LLM: оркестрация агентов, RAG, vector-БД (Qdrant, Weaviate, pgvector), управление контекстом и токен-бюджетом.

Стек:

• Python (основной), Go и Rust (для критичных по производительности модулей), Next.js/React, Docker Swarm, ML-модели в продакшене.

• Глубокая экспертиза по всему стеку не обязательна — важнее архитектурное мышление. Python и контейнеризация — базовое требование.

Условия:

• Работа над реальными AI-продуктами, а не прототипами

• Быстрые итерации и живые клиенты

• Минимум бюрократии

• Прямая коммуникация с технической командой

• Возможность профессионального роста